Awesome-AI-Memory

【English | 中文】

👋 引言

大语言模型（LLMs）已迅速演进为强大的通用推理和生成引擎。然而，尽管其能力持续提升，但 LLMs 从根本上受到一个关键限制的制约：上下文窗口（Context Window）长度有限。这一约束限定了模型在单次推理过程中可直接访问的信息范围，使得模型仅具备“短时记忆”能力。因此，它们难以支持长对话、个性化交互、持续学习及复杂的多阶段任务。

为了超越上下文窗口的固有局限，针对 LLMs 的 AI 记忆与记忆系统已成为一个至关重要且活跃的研究与工程前沿。通过引入模型参数之外的外部、持久且可控的记忆结构，这些系统使得大模型能够在生成过程中存储、检索、压缩和管理历史信息。这种能力使模型能够在有限的上下文窗口内持续利用长期经验，实现跨会话的一致性及持续推理能力。

Awesome-AI-Memory 是一个致力于大语言模型 AI 记忆与记忆系统的综合知识库，系统性地整理了相关研究论文、框架工具和实践案例。本仓库旨在梳理 LLM 记忆系统领域快速演进的研究图谱，连接自然语言处理、信息检索、智能体系统以及认知科学等多个学科。

---

🎯 仓库目标

我们的使命是建立一个集中式、持续更新的知识库，为研究人员和从业者提供宝贵的参考资源，最终加速开发具备长期记忆保持、持续推理以及随时间自适应演进能力的智能系统。

---

📏 项目范围

本仓库专注于能够扩展或增强大语言模型上下文窗口能力的记忆机制与系统设计，而非单纯讨论模型预训练或通用知识学习。内容涵盖理论研究与工程实践。

🌀 包含内容（In Scope）

• 大语言模型的记忆与记忆系统设计
• 模型参数之外的外部显式记忆
• 短时记忆、长时记忆、情景记忆（Episodic Memory）与语义记忆（Semantic Memory）
• 作为记忆访问机制的检索增强生成（RAG）
• 记忆管理策略（写入、更新、遗忘、压缩）
• 智能体（Agents）中的记忆系统
• 多智能体系统中的共享与协作记忆
• 受认知科学与生物记忆启发的记忆模型
• 与 LLM 记忆相关的评估方法、基准测试与数据集
• 面向记忆增强 LLM 的开源框架与工具

🌀 不包含内容（Out of Scope）

• 与记忆无直接关联的通用模型预训练或扩展研究
• 不涉及记忆交互的纯参数化知识学习
• 与 LLMs 无关的传统数据库或信息检索系统
• LLM 上下文之外的通用记忆系统（除非具备直接的迁移参考价值）

---

🔔 近期热门研究与动态

• 2026-05-10 - 🎉 更新 16 篇论文，包括 3 篇系统与模型类、1 篇基准测试类、12 篇方法类；新增 1 个系统与开源项目。
• 2026-05-06 - 🎉 更新 16 篇论文，包括 2 篇系统与模型类、2 篇基准测试类、12 篇方法类。
• 2026-04-27 - 🎉 更新 15 篇论文，包括 2 篇综述类、3 篇系统与模型类、10 篇方法类。
• 2026-04-17 - 🎉 更新 46 篇论文，包括 1 篇综述类、5 篇系统与模型类、3 篇基准测试类、37 篇方法类。
• 2026-04-07 - 🎉 更新 16 篇论文，包括 15 篇方法类、1 篇基准测试类。
• 2026-03-15 - 🎉 更新 14 篇论文，均为方法类。
• 2026-03-08 - 🎉 更新 15 篇论文，包括 3 篇综述类、2 篇系统与模型类、5 篇基准测试类、5 篇方法类。
• 2026-03-02 - 🎉 向仓库添加了一个新的代码智能体（Code Agent）。
• 2026-02-27 - 🎉 更新 20 篇论文，包括 1 篇综述类、2 篇系统与模型类、2 篇基准测试类、15 篇方法类。
• 2026-02-26 - 🎉 更新 14 篇论文，均为方法类。
• 2026-02-14 - 🎉 更新 15 篇论文，包括 1 篇综述类、12 篇其他类别。